Hilman F Pardede
Lembaga Ilmu Pengetahuan Indonesia

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

Klasifikasi klon teh berbasis deep CNN dengan residual dan densely connections Ade Ramdan; Vicky Zilvan; Endang Suryawati; Hilman F Pardede; Vitria Puspitasari Rahadi
Jurnal Teknologi dan Sistem Komputer Volume 8, Issue 4, Year 2020 (October 2020)
Publisher : Department of Computer Engineering, Engineering Faculty, Universitas Diponegoro

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.14710/jtsiskom.2020.13768

Abstract

Klon-klon teh seri Gambung hasil pengembangan merupakan bahan tanaman unggul yang memiliki produksi dan kualitas tinggi untuk meningkatkan produk teh di Indonesia. Perkebunan rakyat biasanya menanam klon-klon tersebut dalam satu area kebun yang sama sehingga sulit memprediksi kualitas produk teh yang dihasilkan. Akan sangat membantu apabila area pada kebun tersebut diidentifikasi berdasarkan jenis klon yang ditanam. Namun, klon teh tersebut memiliki banyak kemiripan sehingga sulit bagi non pakar melakukan identifikasi untuk penyediaan dan penanaman bahan tanam pada perkebunan yang memiliki area sangat luas. Kajian ini mengusulkan sistem identifikasi klon teh berbasis deep CNN dengan menerapkan metode skip connection, yaitu residual connections dan densely connections. Studi menunjukkan bahwa kinerja sistem dipengaruhi oleh pengaturan hyperparameter dan metode penggabungan peta fitur yang diperkenalkan kembali ke lapisan berikutnya melalui koneksi, dimana metode concatenation pada densely connected network dapat mencapai performa yang lebih baik dibandingkan metode penjumlahan pada residual connected networks.